本发明涉及一种基于CIP数据质量控制的云微粒子分类方法，主要包括首先对CIP图像进行预处理，然后对二值化的CIP图像进行云微粒子图像质量控制，接着CIP图像进行分割处理，建立基于迁移学习的深度神经网络分类模型，由于现有方法中缺乏对CIP数据进行图像质量控制并结合深度神经网络对CIP云微粒子图像进行分类，通过该方法可有效的提高对CIP云微粒子图像分类准确率。
📄 2020104957582
📂 G06K9_62
👤 成都信息工程大学
📅 2020-06-03
本发明公开了一种大规模跨平台基因表达数据分类方法，包括以下步骤：S1、获取训练集，初始化分类器；S2、对训练集进行数据转换；S3、根据训练集计算相对偏移表；S4、生成候选偏序对，并计算出候选偏序对中的top偏序规则r；S5、更新分类器和训练集；S6、判断样本量与最小支持度θ的大小；S7、设定分类器CL缺省类；S8、预测分类。本发明针对跨平台基因数据挖掘这个问题，通过数据转换，提出了新的偏序对规则挖掘算法和分类模式，可以处理跨平台基因数据的差异性，不仅可以应对更复杂的数据分布，并且通过相对偏移表进行规则预筛选，显著提升了挖掘效率，能够应用于大规模数据上。
📄 2018100438368
📂 G06F19_24
👤 广东工业大学
📅 2018-01-17
柿子坊 · 知识产权运营
柿子坊知识产权运营平台